CN113989259A - 一种基于无人机红外图像畸变校正的光伏板热斑检测方法 - Google Patents

一种基于无人机红外图像畸变校正的光伏板热斑检测方法 Download PDF

Info

Publication number
CN113989259A
CN113989259A CN202111321611.2A CN202111321611A CN113989259A CN 113989259 A CN113989259 A CN 113989259A CN 202111321611 A CN202111321611 A CN 202111321611A CN 113989259 A CN113989259 A CN 113989259A
Authority
CN
China
Prior art keywords
image
aerial vehicle
unmanned aerial
photovoltaic panel
hot spot
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111321611.2A
Other languages
English (en)
Inventor
翁建明
徐云柯
刘刚
苏践
郑高
郑恩辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Jiliang University
Zhejiang Zheneng Jiahua Power Generation Co Ltd
Original Assignee
China Jiliang University
Zhejiang Zheneng Jiahua Power Generation Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Jiliang University, Zhejiang Zheneng Jiahua Power Generation Co Ltd filed Critical China Jiliang University
Priority to CN202111321611.2A priority Critical patent/CN113989259A/zh
Publication of CN113989259A publication Critical patent/CN113989259A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于无人机的光伏板热斑检测的红外图像畸变校正方法。基于标定板标定法获取相机的径向畸变参数；使用无人机巡检光伏板阵列实时获取光伏板巡检图像；对无人机获取的光伏板巡检图像进行处理获得前期图像；前期图像中设检测框，根据检测框读取直线而截取畸变图像；新建图像矩阵，结合图像矩阵和畸变图像实施校正得到未畸变图像；未畸变图像中建立提取框，再结合提取框在采集时的无人机位置，获得热斑位置。本发明精确得到每一个单行光伏板对应的图像，能够精确地定位到在光伏板上的热斑位置的行信息，并通过去除图像畸变，能更加精确的获取热板的列信息，有效地防止了图像畸变对热斑检测定位的影响，提高了热斑检测的准确度。

Description

一种基于无人机红外图像畸变校正的光伏板热斑检测方法
技术领域
本发明涉及信息处理技术领域的一种无人机光伏板图像热斑检测方法，特别是涉及一种基于无人机的光伏板巡检的红外图像畸变校正方法。
背景技术
可见光与红外图像中无法避免的会产生图像的畸变，这是光学透镜固有的透视失真，也就是因为透视原因造成的失真，这种失真对于照片的成像质量非常不利，但因为这是透镜的固有特性，所以无法消除只能改善，由于镜头无法从硬件上完全消除畸变，因此，如何在图像上做后期处理以消除畸变成为了解决这一问题的重要步骤。
发明内容
本发明申请的目的为提供一种基于无人机红外图像畸变校正的巡检光伏板热斑检测方法，以提升红外图像的品质，赋予图像可视性和易处理性，为后面进行无人机航线规划和光伏板热斑检测提供便利。
为解决上述问题，本申请方法，包括：
一、一种基于无人机红外图像畸变校正的光伏板热斑检测方法，应用于无人机的红外相机拍摄，方法包括以下步骤：
热斑检测需要找到热斑在光伏板的位置，图像的畸变会使检测到的热斑位置信息有误差，本发明对红外图像进行畸变校正，能够更准确地获得热斑位置的定位。
S1、基于标定板标定法获取相机的径向畸变参数；
S2、使用无人机巡检光伏板阵列实时获取光伏板巡检图像；
S3、对无人机获取的光伏板巡检图像进行处理获得前期图像；
S4、在前期图像中预先设置一个检测框，在无人机巡检飞行过程中实施检测框读取直线进而采集截取畸变图像；
S5、新建一个大小和光伏板巡检图像一样的空白的图像矩阵，对图像矩阵的每一像素点的坐标按照径向畸变参数计算对应到畸变图像中像素点的坐标，将畸变图像中的每个像素点的像素值赋值给图像矩阵中按照径向畸变参数对应的像素点处，进而得到未畸变图像，且使得其中步骤S4读取的直线也进行了校正获得了校正后的直线；
S6、在未畸变图像中，根据校正后的直线作为边界建立和检测框相同大小、和直线相对位置关系相同的提取框，针对提取框进行热斑检测获得提取框中的热斑定位结果，再结合提取框在无人机巡检飞行过程中的光伏板巡检图像采集时候的无人机位置，获得热斑在实际光伏板阵列中的位置。
所述步骤S1具体为：采集多张在不同位置、不同角度、不同姿态下拍摄的黑白相间格子构成的棋盘图图片作为标定图片；对每一张标定图片，以位于标定板上且不位于标定板的边缘的格子角点作为内角点，在标定图片上依次连接各个内角点，在获取到标定图片的内角点图像坐标之后进行标定计算获得相机的径向畸变参数。在标定图片上依次连接各个内角点，这样根据所有角点的排列顺序以确定标定图片是否可用于进行标定，能够确定输入图像是否是棋盘模式并需要确定角点的位置，如果所有角点被检测到且都以一定的顺序排布，则判定为图像是可用于进行标定的图片。
所述步骤S2具体为：是在无人机上安装红外摄像头，在无人机飞到光伏板阵列上方时，单方向匀速飞行经过光伏板阵列并通过红外摄像头朝向正向下俯视拍摄光伏板阵列的红外图像。
所述步骤S3具体为：
先读取光伏板巡检图像的红外图像，在红外图像上依次作灰度、二值化，再分别进行开运算与闭运算处理；再使得开运算处理结果中呈现白色的像素点在闭运算处理结果中对应相同坐标位置的像素呈现黑色，获得前期图像。
所述步骤S4具体为：
S41、在前期图像的中央处设置一个与前期图像等宽、高小于图像中单行光伏板所占高度的检测框，图像的高度方向平行于无人机飞行方向；
S42、在检测框的区域内实时检测是否有沿图像宽度方向的直线以及是否有沿图像宽度方向的直线经过，然后根据直线检测确定时刻并采集畸变图像。
所述S42中，是否有沿图像宽度方向的直线经过具体为：通过图像处理将检测框内的沿图像高度方向的直线去除，然后并将检测框内的保留下来的沿图像宽度方向的直线提取出来并延长至与检测框相等宽度；
所述S42中，根据直线检测确定时刻并采集畸变图像，具体为：在无人机巡检飞行过程中，将实时检测获得的沿图像宽度方向的直线沿图像的高度方向平移，沿图像宽度方向的直线将检测框分为两个区域部分，两个区域部分发生了面积大小的变化，满足一个区域部分的面积逐渐从大变小且另一个区域部分的面积逐渐从小变大，并且两个区域部分在各自面积变化过程中存在相等的情况，若当其中一个区域部分的面积逐渐从大变小到小于预设面积阈值后，则沿图像宽度方向的直线将离开检测框，此时截取无人机巡检拍摄的当前帧的光伏板巡检图像作为畸变图像。
所述S6中，在对提取框进行图像分析处理获得提取框中的热斑定位结果后，再根据提取框中的热斑定位结果结合提取框在未畸变图像中的位置获得热斑在未畸变图像中的相对位置，进而根据热斑在未畸变图像中的相对位置结合在无人机巡检飞行过程中未畸变图像对应的光伏板巡检图像采集时的无人机位置，获得热斑在实际光伏板阵列中的位置。
二、一种电子设备，包括：
存储器，用于存储运行的程序；
处理器，用于执行所述程序时实现如上述红外图像畸变校正方法的步骤。
三、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述红外图像畸变校正方法的步骤。
四、一种用于热斑检测的无人机，所述无人机能够完成光伏板阵列的热斑巡检的红外图像的拍摄，所述红外图像实现如上述红外图像畸变校正方法的步骤。
本发明的有益效果是：
本发明通过检测框中的直线检测方法可以精确地得到每一个单行光伏板对应的图像，能够精确地定位到在光伏板上的热斑位置的行信息，并通过去除图像畸变，将拍摄到的图像中的光伏板还原成正常的矩形，这样能更加精确的获取热板的列信息，有效地防止了图像畸变对热斑检测定位的影响，提高了热斑检测的准确度。
附图说明
图1为本发明一较佳实施例的流程示意简图；
图2为本发明一较佳实施例的无人机巡检拍摄航线示意图；
图3为本发明一较佳实施例的无人机获取的图像处理示意图；
图4为本发明一较佳实施例的无人机获取的图像处理示意图；
图5为本发明一较佳实施例的无人机获取的图像处理结果示意图；
图6为本发明一较佳实施例的检测框示意图。
具体实施方式
下面将更详细地描述本申请方案。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明实施例如图1所示，具体包括如下步骤：
S1、基于标定板标定法获取相机的径向畸变参数；
采集多张在不同位置、不同角度、不同姿态下拍摄的黑白相间格子构成的棋盘图图片作为标定图片；对每一张标定图片，以位于标定板上且不位于标定板的边缘的格子角点作为内角点，在标定图片上依次连接各个内角点，在获取到标定图片的内角点图像坐标之后进行标定计算获得相机的径向畸变参数。
依次连接各个内角点具体是，先将每一行的内角点按照行方向依次连接，然后将相邻行按照列的顺序连接，使得上一行的尾端内角点和下一行的首端内角点连接。
进行标定首先需要获取棋盘格图片中所有的内角点。
由于在图像中每个内角点都是三维点，在后续的函数处理中我们也需要用到内角点的二维坐标，为了方便处理先去掉三维点的z坐标，例如点p为(8，5，0)，去掉z坐标后记为(8，5)，之后分别储存三维点坐标和二维坐标；
在计算机程序中，使用图片读取函数imread读取棋盘格图片，之后使用颜色空间转换函数cvtColor将图片转换成灰度图，使用棋盘格角点提取函数findChessboardComers找到灰度图中的棋盘格角点并且使用棋盘格角点绘制函数drawChessboardComers在灰度图上标出角点。
使用相机标定函数calibrateCamera可以求得相机的畸变系数k1，k2，k3。
用于畸变点的坐标修正的函数Y为：
x0＝x(1+k1r2+k2r4+k3r6)
y0＝y(1+k1r2+k2r4+k3r6)
其中r2＝x2+y2，可知图像边缘处的径向畸变较大；(x0，y0)为畸变点的原始位置；(x，y)为畸变校正后新的位置；k1，k2，k3为上述函数所求的畸变系数；未知数只有x，y，只要带入畸变点的原始位置便可获得畸变点畸变校正后新的位置。
S2、使用无人机巡检光伏板阵列实时获取光伏板巡检图像；
具体是在无人机上安装红外摄像头，在无人机飞到光伏板阵列上方时，单方向匀速飞行经过光伏板阵列并通过红外摄像头朝向正向下俯视拍摄光伏板阵列的红外图像。
光伏板阵列是由众多光伏板以行、列的阵列间隔排布形成，且无人机以平行于光伏板一条边的方向巡检飞行，如图2所示。
S3、对无人机获取的光伏板巡检图像进行处理获得前期图像；
先读取光伏板巡检图像的红外图像，在红外图像上依次作灰度、二值化，再分别进行开运算与闭运算处理，结果分别如图3和图4所示；图中的无人机的飞行方向是从下到上，图像中的物体对象是从上到下移动。
再使得如图3的开运算处理结果中呈现白色的像素点在闭运算处理结果中对应相同坐标位置的像素呈现黑色，如图5所示，获得前期图像。
在计算机程序中，使用图片读取函数imread读取巡检图像的红外图像，之后使用颜色空间转换函数cvtColor将图片转换成灰度图，使用图像阈值处理函数threshold将灰度图转换成二值图；
之后分别对二值图进行图像形态学开运算处理和图像形态学闭运算处理，获取两个中间结果M和N，如图3、图4所示
先对N进行拷贝，将拷贝结果保存至等比例的空白图像P中，之后将M中的白色部分在图像P中呈现为黑色，得到最终的效果图，如图5所示。
S4、在前期图像中预先设置一个检测框，在无人机巡检飞行过程中实施检测框读取直线进而采集截取畸变图像；
S41、在前期图像的中央处设置一个与前期图像等宽、高小于图像中单行光伏板所占高度的检测框，图像的高度方向平行于无人机飞行方向，具体实施在前期图像高的0.56倍和0.44倍高处各画一条水平横线，两条水平横线之间形成检测框，如图6所示；
在计算机程序中，使用直线绘制函数line分别在原图上图像高0.56倍和0.44倍处画直线。
S42、在检测框的区域内实时检测是否有沿图像宽度方向的直线以及是否有沿图像宽度方向的直线经过，然后根据直线检测确定时刻并采集畸变图像。
S42中，是否有沿图像宽度方向的直线经过具体为：通过图像处理将检测框内的沿图像高度方向的直线去除，具体可以采用霍夫直线检测方法检测出直线后，将直线和图像的高度方向进行判断，将夹角在预设夹角阈值范围内的直线去除。然后并将检测框内的保留下来的沿图像宽度方向的直线提取出来并延长至与检测框相等宽度；
S42中，根据直线检测确定时刻并采集畸变图像，具体为：在无人机巡检飞行过程中，将实时检测获得的沿图像宽度方向的直线沿图像的高度方向平移，沿图像宽度方向的直线将检测框分为两个区域部分，两个区域部分发生了面积大小的变化，满足一个区域部分的面积逐渐从大变小且另一个区域部分的面积逐渐从小变大，并且两个区域部分在各自面积变化过程中存在相等的情况，若当其中一个区域部分的面积逐渐从大变小到小于预设面积阈值后，则沿图像宽度方向的直线将离开检测框，此时沿图像宽度方向的直线接近检测框的下边，作为采集图像时刻，截取无人机巡检拍摄的当前帧的光伏板巡检图像作为畸变图像。
在具体实施中设置小面积与大面积两个变量：可知在有横线的情况下，检测框内会分为两部分，将面积小的部分设为小面积，面积大的部分设为大面积；可知随着图像播放，水平直线会在框内匀速向下移动，在刚进入检测框时，小面积在上大面积在下，并且在直线到达检测框高二分之一处，小面积与大面积相等，继续移动后大面积在上小面积在下；设置一个阈值，当小面积大于阈值后，说明读到了一条直线经过了检测框。
在计算机程序中，先预设大面积A和小面积B两个变量，使用霍夫直线检测获取检测框中的所有直线，因为横线的长度大于所有竖线长度，所以将所有直线做长度判断，所设阈值N大于检测框的高即可，保留的直线即为检测到的横线，将横线的长度延长至检测框的宽度，这样直线将检测框分成两部分形成两个面积量，将较大的面积量赋值A，较小的面积量赋值B，设置阈值C，随着图像播放，直线会在框内匀速向下移动，在刚进入检测框时，A在上并持续变大B在下并持续变小，当A>C之后，打开检测开关，在直线到达检测框高二分之一处，A与B相等，继续移动后B在上并持续变大A在下并持续变小；当A<C时，关闭检测开关并截取当前帧并本地保存，完成读线截图。
S5、新建一个大小和光伏板巡检图像一样的空白的图像矩阵，对图像矩阵的每一像素点的坐标按照径向畸变参数计算对应到畸变图像中像素点的坐标，将畸变图像中的每个像素点的像素值赋值给图像矩阵中按照径向畸变参数对应的像素点处，进而实施校正得到未畸变图像，且使得其中步骤S4读取的直线也进行了校正获得了校正后的直线；
在计算机程序中，遍历产生畸变的原图像中所有像素点，对所有像素点的坐标运用S1所述的函数Y，产生畸变的原图像中所有的像素点坐标为函数Y中的(x0,y0)、(x1，y1)、…、(xn，yn)，分别求出对应畸变校正后的正确位置(x,y)。
将所有产生畸变的图像中所有像素点坐标上的像素值赋值给对应在畸变校正后的正确位置处，遍历过后使得所有产生畸变的像素点都保留在所建空白的图像矩阵的正确位置上，实现红外图像的畸变校正。
S6、在未畸变图像中，根据校正后的直线作为边界建立和检测框相同大小、和直线相对位置关系相同的提取框，针对提取框进行热斑检测获得提取框中的热斑定位结果，再结合提取框在无人机巡检飞行过程中的光伏板巡检图像采集时候的无人机位置，获得热斑在实际光伏板阵列中的位置。
S6中，在对提取框进行图像分析处理获得提取框中的热斑定位结果后，再根据提取框中的热斑定位结果结合提取框在未畸变图像中的位置获得热斑在未畸变图像中的相对位置，进而根据热斑在未畸变图像中的相对位置结合在无人机巡检飞行过程中未畸变图像对应的光伏板巡检图像采集时的无人机位置，获得热斑在实际光伏板阵列中的位置。
此外，本申请方案中各个实施例采用递进的方式描述，每个实施例重点说明的都有其不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对照，所以描述的比较简单。例如，在权利要求书中，所有实施例的任意之一都可以以任意的组合方式来使用。相关之处参见方法部分说明即可。
以上对本申请方案所提供的可见光与红外畸变校正的方法、电子设备及计算机可读存储介质进行了详细介绍。本发明中应用了具体个例对本申请方案的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请方案的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请方案的原理的前提下，还可以对本申请方案进行若干改进，这些改进也应在本申请方案的权利要求保护范围内。

Claims (10)

1.一种基于无人机红外图像畸变校正的光伏板热斑检测方法，其特征在于，方法包括以下步骤：
S1、基于标定板标定法获取相机的径向畸变参数；
S2、使用无人机巡检光伏板阵列实时获取光伏板巡检图像；
S3、对无人机获取的光伏板巡检图像进行处理获得前期图像；
S4、在前期图像中预先设置一个检测框，在无人机巡检飞行过程中实施检测框读取直线进而采集截取畸变图像；
S5、新建一个大小和光伏板巡检图像一样的空白的图像矩阵，对图像矩阵的每一像素点的坐标按照径向畸变参数计算对应到畸变图像中像素点的坐标，将畸变图像中的每个像素点的像素值赋值给图像矩阵中按照径向畸变参数对应的像素点处，进而得到未畸变图像，且使得其中步骤S4读取的直线也进行了校正获得了校正后的直线；
S6、在未畸变图像中，根据校正后的直线作为边界建立和检测框相同大小、和直线相对位置关系相同的提取框，针对提取框进行热斑检测获得提取框中的热斑定位结果，再结合提取框在无人机巡检飞行过程中的光伏板巡检图像采集时候的无人机位置，获得热斑在实际光伏板阵列中的位置。
2.根据权利要求1所述的基于无人机红外图像畸变校正的光伏板热斑检测方法，其特征在于：所述步骤S1具体为：采集多张在不同位置、不同角度、不同姿态下拍摄的黑白相间格子构成的棋盘图图片作为标定图片；对每一张标定图片，以位于标定板上且不位于标定板的边缘的格子角点作为内角点，在标定图片上依次连接各个内角点，在获取到标定图片的内角点图像坐标之后进行标定计算获得相机的径向畸变参数。
3.根据权利要求1所述的基于无人机红外图像畸变校正的光伏板热斑检测方法，其特征在于：所述步骤S2具体为：是在无人机上安装红外摄像头，在无人机飞到光伏板阵列上方时，单方向匀速飞行经过光伏板阵列并通过红外摄像头朝向正向下俯视拍摄光伏板阵列的红外图像。
4.根据权利要求1所述的基于无人机红外图像畸变校正的光伏板热斑检测方法，其特征在于：所述步骤S3具体为：
先读取光伏板巡检图像的红外图像，在红外图像上依次作灰度、二值化，再分别进行开运算与闭运算处理；再使得开运算处理结果中呈现白色的像素点在闭运算处理结果中对应相同坐标位置的像素呈现黑色，获得前期图像。
5.根据权利要求1所述的基于无人机红外图像畸变校正的光伏板热斑检测方法，其特征在于：所述步骤S4具体为：
S41、在前期图像的中央处设置一个与前期图像等宽、高小于图像中单行光伏板所占高度的检测框，图像的高度方向平行于无人机飞行方向；
S42、在检测框的区域内实时检测是否有沿图像宽度方向的直线以及是否有沿图像宽度方向的直线经过，然后根据直线检测确定时刻并采集畸变图像。
6.根据权利要求5所述的基于无人机红外图像畸变校正的光伏板热斑检测方法，其特征在于：所述S42中，是否有沿图像宽度方向的直线经过具体为：通过图像处理将检测框内的沿图像高度方向的直线去除，然后并将检测框内的保留下来的沿图像宽度方向的直线提取出来并延长至与检测框相等宽度；
所述S42中，根据直线检测确定时刻并采集畸变图像，具体为：在无人机巡检飞行过程中，将实时检测获得的沿图像宽度方向的直线沿图像的高度方向平移，沿图像宽度方向的直线将检测框分为两个区域部分，两个区域部分发生了面积大小的变化，满足一个区域部分的面积逐渐从大变小且另一个区域部分的面积逐渐从小变大，并且两个区域部分在各自面积变化过程中存在相等的情况，若当其中一个区域部分的面积逐渐从大变小到小于预设面积阈值后，则沿图像宽度方向的直线将离开检测框，此时截取无人机巡检拍摄的当前帧的光伏板巡检图像作为畸变图像。
7.根据权利要求1所述的基于无人机红外图像畸变校正的光伏板热斑检测方法，其特征在于：所述S6中，在对提取框进行图像分析处理获得提取框中的热斑定位结果后，再根据提取框中的热斑定位结果结合提取框在未畸变图像中的位置获得热斑在未畸变图像中的相对位置，进而根据热斑在未畸变图像中的相对位置结合在无人机巡检飞行过程中未畸变图像对应的光伏板巡检图像采集时的无人机位置，获得热斑在实际光伏板阵列中的位置。
8.一种电子设备，其特征在于，包括：
存储器，用于存储运行的程序；
处理器，用于执行所述程序时实现如权利要求1-7任一项所述红外图像畸变校正方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述红外图像畸变校正方法的步骤。
10.一种用于热斑检测的无人机，其特征在于，所述无人机能够完成光伏板阵列的热斑巡检的红外图像的拍摄，所述红外图像实现如权利要求1-8任一项所述红外图像畸变校正方法的步骤。
CN202111321611.2A 2021-11-09 2021-11-09 一种基于无人机红外图像畸变校正的光伏板热斑检测方法 Pending CN113989259A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111321611.2A CN113989259A (zh) 2021-11-09 2021-11-09 一种基于无人机红外图像畸变校正的光伏板热斑检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111321611.2A CN113989259A (zh) 2021-11-09 2021-11-09 一种基于无人机红外图像畸变校正的光伏板热斑检测方法

Publications (1)

Publication Number Publication Date
CN113989259A true CN113989259A (zh) 2022-01-28

Family

ID=79747441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111321611.2A Pending CN113989259A (zh) 2021-11-09 2021-11-09 一种基于无人机红外图像畸变校正的光伏板热斑检测方法

Country Status (1)

Country Link
CN (1) CN113989259A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115049648A (zh) * 2022-08-12 2022-09-13 北京中拓新源科技有限公司 光伏组件热斑缺陷检测方法及装置
WO2024036764A1 (zh) * 2022-08-17 2024-02-22 北京字跳网络技术有限公司 一种图像处理方法、装置、设备及介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115049648A (zh) * 2022-08-12 2022-09-13 北京中拓新源科技有限公司 光伏组件热斑缺陷检测方法及装置
CN115049648B (zh) * 2022-08-12 2022-11-01 北京中拓新源科技有限公司 光伏组件热斑缺陷检测方法及装置
WO2024036764A1 (zh) * 2022-08-17 2024-02-22 北京字跳网络技术有限公司 一种图像处理方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN113989259A (zh) 一种基于无人机红外图像畸变校正的光伏板热斑检测方法
CN108562250B (zh) 基于结构光成像的键盘键帽平整度快速测量方法与装置
CN112766274A (zh) 一种基于Mask RCNN算法的水尺图像水位自动读数方法及系统
CN110570422B (zh) 一种基于矩阵分析的胶囊缺陷视觉检测方法
CN108716890A (zh) 一种基于机器视觉的高精度尺寸检测方法
CN111025701B (zh) 一种曲面液晶屏幕检测方法
CN111192377B (zh) 一种图像处理方法及装置
CN113255486B (zh) 一种基于高位视频监控的车位占用检测方法
CN109544635B (zh) 一种基于枚举试探的相机自动标定方法
CN112348775B (zh) 基于车载环视的路面坑塘检测系统及方法
CN114143519A (zh) 投影图像自动匹配幕布区域的方法及装置，投影仪
CN110909772B (zh) 一种高精度实时多尺度表盘指针检测方法和系统
CN110263784A (zh) 智能的英语试卷成绩识别录入方法
EP4009275A1 (en) Golf ball top-view detection method and system, and storage medium
CN112634179A (zh) 一种防摄像头抖动的变电设备图像变化检测方法和系统
CN111627059A (zh) 一种棉花叶片中心点位置定位方法
CN103905762B (zh) 投影模块的投影画面自动检查方法
CN113971799A (zh) 一种车辆铭牌信息位置检测方法和系统
CN113315995A (zh) 提高视频质量的方法、装置、可读存储介质及电子设备
CN115567678A (zh) 一种高空抛物监测方法及其系统
CN110823134B (zh) 一种靶线计算及工业传感器安装检测方法
CN110598697A (zh) 一种基于粗细字符定位的集装箱箱号定位方法
CN111598940A (zh) 一种半球摄影中心点位置定位方法
CN111523564A (zh) 一种用于深度学习训练的sar时敏目标样本增广方法
CN105989587A (zh) 一种多功能oct系统的自动定标方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination